高分辨率影像城市道路提取方法融合研究
发布时间：2021-11-14 19:08
提出一种先分割后聚类的道路提取方法,通过模糊积分的方法对多种尺度的道路提取结果进行融合研究。首先对影像进行多尺度超像素分割生成连续的不规则对象;再顾及光谱、形状和纹理特征进行SVM分类提取道路;最后对多种道路提取结果进行处理。实验结果表明该方法能够较为完整、准确地提取出高分辨率影像上的道路信息,可为城市高分影像道路快速提取提供一定的参考。
【文章来源】：地理空间信息. 2020,18(04)
【文章页数】：6 页
【部分图文】：
原始影像
·18·地理空间信息第18卷第4期a尺度一b尺度二c尺度三图2SLIC影像分割结果1.2DBSCAN影像聚类DBSCAN是一种基于密度的聚类算法，将具有足够高密度的区域划分为簇。为达到影像分割控制变量的效果，此处将经过SLIC超像素分割后的3种影像结果进行同尺度的DBSCAN影像聚类，聚类后结果分别如图3a～c所示。a尺度一b尺度二c尺度三图3DBSCAN影像聚类结果1.3特征提取和SVM分类提取道路通过计算得到每个对象的光谱特征值，再进行每一个取样点所在的对象块光谱特征的计算作为样本值，为SVM（supportvectormachine）提供光谱特征样本。对不同分割尺度下得到的所有影像对象进行形状指数计算，可以得到每个对象的形状特征值，再求得道路样本点和非道路样本点的形状特征值作为训练样本为SVM提供形状特征样本。对于纹理特征，这里主要研究基于Gabor滤波的纹理特征和纹理过滤方法。Gabor滤波是纹理分析和边缘检测的常用方法之一[17-19]，具有以各种空间频率和方向进行多分辨率分解的能力。通过用2D高斯调制各种频率和取向的正弦平面波来获得二维Gabor滤波器。主成分分析（principalcomponentanalysis，PCA）可用于所有Gabor能量特征的堆栈[20]以减少冗余，同时保留从特征导出的对比度。通过Gabor和PCA得到不同分割尺度下所有影像对象的纹理特征指数，再求得道路样本点和非道路样本点的纹理特征值作为训练样本，为后续SVM提供纹理特征样本。在得到道路样本点和非道路样本点的光谱特征、形状特征和纹理特征基础上，采用SVM提取多尺度道路对象。SVM对特征空间分布和维度通常不敏感，这使得它比一些传统分类器更适合复杂?
·18·地理空间信息第18卷第4期a尺度一b尺度二c尺度三图2SLIC影像分割结果1.2DBSCAN影像聚类DBSCAN是一种基于密度的聚类算法，将具有足够高密度的区域划分为簇。为达到影像分割控制变量的效果，此处将经过SLIC超像素分割后的3种影像结果进行同尺度的DBSCAN影像聚类，聚类后结果分别如图3a～c所示。a尺度一b尺度二c尺度三图3DBSCAN影像聚类结果1.3特征提取和SVM分类提取道路通过计算得到每个对象的光谱特征值，再进行每一个取样点所在的对象块光谱特征的计算作为样本值，为SVM（supportvectormachine）提供光谱特征样本。对不同分割尺度下得到的所有影像对象进行形状指数计算，可以得到每个对象的形状特征值，再求得道路样本点和非道路样本点的形状特征值作为训练样本为SVM提供形状特征样本。对于纹理特征，这里主要研究基于Gabor滤波的纹理特征和纹理过滤方法。Gabor滤波是纹理分析和边缘检测的常用方法之一[17-19]，具有以各种空间频率和方向进行多分辨率分解的能力。通过用2D高斯调制各种频率和取向的正弦平面波来获得二维Gabor滤波器。主成分分析（principalcomponentanalysis，PCA）可用于所有Gabor能量特征的堆栈[20]以减少冗余，同时保留从特征导出的对比度。通过Gabor和PCA得到不同分割尺度下所有影像对象的纹理特征指数，再求得道路样本点和非道路样本点的纹理特征值作为训练样本，为后续SVM提供纹理特征样本。在得到道路样本点和非道路样本点的光谱特征、形状特征和纹理特征基础上，采用SVM提取多尺度道路对象。SVM对特征空间分布和维度通常不敏感，这使得它比一些传统分类器更适合复杂?
【参考文献】：
期刊论文
[1]高分辨率遥感影像道路提取方法研究进展[J]. 曹云刚,王志盼,杨磊. 遥感技术与应用. 2017(01)
[2]改进支持向量机的高分遥感影像道路提取[J]. 朱恩泽,宋伟东,戴激光. 测绘科学. 2016(12)
[3]面向对象土地利用信息提取的多尺度分割[J]. 王卫红,何敏. 测绘科学. 2011(04)
[4]基于Snakes模型的高分辨率遥感影像城区道路提取方法研究[J]. 施海亮,周绍光,徐勇. 大气与环境光学学报. 2011(02)
[5]面向对象的道路信息识别提取分析[J]. 黄亮,左小清,张晓晓,刘娅. 昆明理工大学学报(理工版). 2010(06)
[6]基于动态规划的城市道路提取改进算法[J]. 刘晓平,朱晓强,余烨,李琳. 工程图学学报. 2010(04)
[7]高分辨率影像道路提取的整体矩形匹配方法[J]. 朱长青,杨云,邹芳,王奇胜. 华中科技大学学报(自然科学版). 2008(02)
[8]结合高斯马尔可夫随机场纹理模型与支撑向量机在高分辨率遥感图像上提取道路网[J]. 汪闽,骆剑承,周成虎,明冬萍,陈秋晓,沈占峰. 遥感学报. 2005(03)
本文编号：3495190
【文章来源】：地理空间信息. 2020,18(04)
【文章页数】：6 页
【部分图文】：
原始影像
·18·地理空间信息第18卷第4期a尺度一b尺度二c尺度三图2SLIC影像分割结果1.2DBSCAN影像聚类DBSCAN是一种基于密度的聚类算法，将具有足够高密度的区域划分为簇。为达到影像分割控制变量的效果，此处将经过SLIC超像素分割后的3种影像结果进行同尺度的DBSCAN影像聚类，聚类后结果分别如图3a～c所示。a尺度一b尺度二c尺度三图3DBSCAN影像聚类结果1.3特征提取和SVM分类提取道路通过计算得到每个对象的光谱特征值，再进行每一个取样点所在的对象块光谱特征的计算作为样本值，为SVM（supportvectormachine）提供光谱特征样本。对不同分割尺度下得到的所有影像对象进行形状指数计算，可以得到每个对象的形状特征值，再求得道路样本点和非道路样本点的形状特征值作为训练样本为SVM提供形状特征样本。对于纹理特征，这里主要研究基于Gabor滤波的纹理特征和纹理过滤方法。Gabor滤波是纹理分析和边缘检测的常用方法之一[17-19]，具有以各种空间频率和方向进行多分辨率分解的能力。通过用2D高斯调制各种频率和取向的正弦平面波来获得二维Gabor滤波器。主成分分析（principalcomponentanalysis，PCA）可用于所有Gabor能量特征的堆栈[20]以减少冗余，同时保留从特征导出的对比度。通过Gabor和PCA得到不同分割尺度下所有影像对象的纹理特征指数，再求得道路样本点和非道路样本点的纹理特征值作为训练样本，为后续SVM提供纹理特征样本。在得到道路样本点和非道路样本点的光谱特征、形状特征和纹理特征基础上，采用SVM提取多尺度道路对象。SVM对特征空间分布和维度通常不敏感，这使得它比一些传统分类器更适合复杂?
·18·地理空间信息第18卷第4期a尺度一b尺度二c尺度三图2SLIC影像分割结果1.2DBSCAN影像聚类DBSCAN是一种基于密度的聚类算法，将具有足够高密度的区域划分为簇。为达到影像分割控制变量的效果，此处将经过SLIC超像素分割后的3种影像结果进行同尺度的DBSCAN影像聚类，聚类后结果分别如图3a～c所示。a尺度一b尺度二c尺度三图3DBSCAN影像聚类结果1.3特征提取和SVM分类提取道路通过计算得到每个对象的光谱特征值，再进行每一个取样点所在的对象块光谱特征的计算作为样本值，为SVM（supportvectormachine）提供光谱特征样本。对不同分割尺度下得到的所有影像对象进行形状指数计算，可以得到每个对象的形状特征值，再求得道路样本点和非道路样本点的形状特征值作为训练样本为SVM提供形状特征样本。对于纹理特征，这里主要研究基于Gabor滤波的纹理特征和纹理过滤方法。Gabor滤波是纹理分析和边缘检测的常用方法之一[17-19]，具有以各种空间频率和方向进行多分辨率分解的能力。通过用2D高斯调制各种频率和取向的正弦平面波来获得二维Gabor滤波器。主成分分析（principalcomponentanalysis，PCA）可用于所有Gabor能量特征的堆栈[20]以减少冗余，同时保留从特征导出的对比度。通过Gabor和PCA得到不同分割尺度下所有影像对象的纹理特征指数，再求得道路样本点和非道路样本点的纹理特征值作为训练样本，为后续SVM提供纹理特征样本。在得到道路样本点和非道路样本点的光谱特征、形状特征和纹理特征基础上，采用SVM提取多尺度道路对象。SVM对特征空间分布和维度通常不敏感，这使得它比一些传统分类器更适合复杂?
【参考文献】：
期刊论文
[1]高分辨率遥感影像道路提取方法研究进展[J]. 曹云刚,王志盼,杨磊. 遥感技术与应用. 2017(01)
[2]改进支持向量机的高分遥感影像道路提取[J]. 朱恩泽,宋伟东,戴激光. 测绘科学. 2016(12)
[3]面向对象土地利用信息提取的多尺度分割[J]. 王卫红,何敏. 测绘科学. 2011(04)
[4]基于Snakes模型的高分辨率遥感影像城区道路提取方法研究[J]. 施海亮,周绍光,徐勇. 大气与环境光学学报. 2011(02)
[5]面向对象的道路信息识别提取分析[J]. 黄亮,左小清,张晓晓,刘娅. 昆明理工大学学报(理工版). 2010(06)
[6]基于动态规划的城市道路提取改进算法[J]. 刘晓平,朱晓强,余烨,李琳. 工程图学学报. 2010(04)
[7]高分辨率影像道路提取的整体矩形匹配方法[J]. 朱长青,杨云,邹芳,王奇胜. 华中科技大学学报(自然科学版). 2008(02)
[8]结合高斯马尔可夫随机场纹理模型与支撑向量机在高分辨率遥感图像上提取道路网[J]. 汪闽,骆剑承,周成虎,明冬萍,陈秋晓,沈占峰. 遥感学报. 2005(03)
本文编号：3495190
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3495190.html
